电阻抗断层扫描(EIT)是一种用于可视化材料内部的无损成像技术。在这种方法中，电流注入两个电极之间，产生电场，而其他电极则测量由于材料内部存在异物而引起的变形。与其他成像方法(例如X射线成像、计算机断层扫描和磁共振成像)相比，EIT具有成本低、不麻烦的优点，因为它不需要大型磁铁或辐射。因此，它作为复杂的水泥基建筑材料的无损结构健康监测方法具有巨大的潜力。
然而，EIT的挑战在于如何将获得的信息准确地重建为图像。一步高斯-牛顿、原始对偶内点法和迭代高斯-牛顿(IGN)等算法通常用于此目的。然而，由于EIT的性质，使用上述数学方法获得的解存在一些不准确性。最近，为了克服这个问题，人们使用了一维卷积神经网络(1D-CNN)等机器学习算法。然而，这些算法的弱点在于处理以前未见过的数据，这降低了它们的有效性。
为了应对上述挑战，东京理科大学(TUS)的TakashiIkuno副教授及其合作者，TUS的KeiiyaMinakawa先生、KeigoOhta先生、HiroakiKomatsu先生以及立命馆大学的TomokoFukuyama副教授来自日本的公司现在开发了一种新颖的混合EIT方法，称为AND，它结合了IGN和1D-CNN的优点。当异物与样品的横截面积比为5×10-4(非常小的异物)时，本方法将尺寸误差减小到传统EIT方法的1/6以下。他们的研究结果发表在2024年1月12日《AIPAdvances》杂志第14卷第1期上。
“从防灾的角度来看，对经济高速增长时期建造的现有建筑物进行劣化分析非常重要。我们的新方法可以提高EIT作为无损检测方法的应用，并有助于防止建筑物倒塌。”Ikuno博士说道。
创新的AND方法对从EIT获得的多个图像进行2D逻辑运算，以检测材料内部的细小异物。在他们的研究中，该团队使用模拟和实验数据在实际水泥样品上测试了AND方法，并将其性能与IGN和1D-CNN方法在两种情况下的性能进行了比较。当使用模拟数据时，他们发现随着异物尺寸的减小，IGN方法导致重建图像出现较大误差。相比之下，AND方法比IGN和1D-CNN更准确地重建异物的位置和大小。
此外，通过实验数据，研究人员发现所提出的AND方法和1D-CNN方法都比IGN更准确。此外，他们还确定了另一种提高EIT准确性的方法。Ikuno博士解释道：“改善EIT的一种方法是改变当前的注入模式。通过改变电场的空间分布，并将本方法与其他无损检测技术相结合，可以提高检测异物颗粒尺寸和位置的分辨率。”这是他们未来研究的重点。
所提出的EIT重建方法虽然在分辨率方面逊于其他无损检测，但在设备尺寸和成本方面具有优势。它可以改进非破坏性异物检测，从而更轻松、更定期地评估建筑物的健康状况。它还可以用于地震或爆炸后的快速安全检查。此外，预计将很容易培训检查员和人员使用这项技术，”Ikuno博士总结道，并强调了这项创新的重要性。
免责声明：本文由用户上传，如有侵权请联系删除！
